Установка Keras и Theano на Windows 10 с поддержкой GPU. Часть 1 — TechCave

Оглавление Есть, конечно, много руководств, которые помогут вам настроить систему для глубокого обучение (Deep Learning) на базе Linux или Mac OS (в том числе и с Tensorflow, который, к сожалению, не может быть легко установлен на Windows), и лишь н

Установка Keras и Theano на Windows 10 с поддержкой GPU. Часть 1

Machine Learning/Data Mining/Big Data

Установка Keras и Theano на Windows 10 с поддержкой GPU. Часть 1

Оглавление

Есть, конечно, много руководств, которые помогут вам настроить систему для глубокого обучение (Deep Learning) на базе Linux или Mac OS (в том числе и с Tensorflow, который, к сожалению, не может быть легко установлен на Windows), и лишь немногие устанавливают все это для Windows 10. Большинство просто работают под виртуальной машиной Ubuntu запущенной на Windows, или используют Docker. И потому мы решили исправить эту проблему.

В процессе поиска мы наткнулись на множество недостоверной или устаревшей информации, но в итоге смогли создать пошаговое руководство для последних стабильных версий Theano и Keras. Используя их вместе, мы получаем одну из самых простых и быстрых конфигураций для глубокого обучения работающую под Windows.

Если вы решили сделать установку данной конфигурации Deep Learning на Windows 10, то это статья для вас.

Зависимости

Это полный список инструментов и библиотек, которые мы используем для глубокого обучения в Windows 10:

  1. Visual Studio 2013 Community Edition Update 4
    1. Используется как компилятор C/C++ (не как IDE)
  2. CUDA 7.5.18 (64-bit)
    1. Необходима для поддержки математических библиотек, использующих GPU. Также нам нужны драйвера видеокарты и компилятор CUDA
  3. MinGW-w64 (5.3.0)
    1. Нужен как Unix компилятор и средство сборки (g++/gcc, make...) под Windows
  4. Anaconda (64-bit) и Python 2.7 (Anaconda2-4.1.0)
    1. Дистрибутив Python, который нам поможет установить NumPy, SciPy и другие научные библиотеки
  5. Theano 0.8.2
    1. Используется для работы с математическими выражениями и многомерными массивами
  6. Keras 1.0.5
    1. Используется для глубокого обучения (Deep Learning), работающего поверх Theano
  7. OpenBLAS 0.2.14 (Опционально)
    1. Оптимизированные реализации многих алгоритмов линейной алгебры
  8. cuDNN v5
    1. Используется для ускорения работы сверточных нейронных сет

Оборудование

  1. Dell Precision T7500, 96GB RAM
    1. Intel Xeon E5605 @ 2.13 GHz (2 процессора 8 ядер)
  2. NVIDIA GeForce Titan X, 12GB RAM
    1. Версия драйвера: 10.18.13.5390 Beta (ForceWare 353.90) / Win 10 64

Установка

Мы будем устанавливать наши инструменты и библиотеки в c:\toolkits.

Visual Studio 2013 Community Edition Update 4

Вы можете скачать Visual Studio 2013 Community Edition отсюда. Да, мы знаем, что есть Visual Studio 2015 Community Edition, но для CUDA необходима версия VS 2013:

Поэтому убедитесь, что у вас установлена VS 2013. Затем добавьте C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin к вашему PATH.

CUDA 7.5.18 (64-bit)

Скачайте CUDA 7.5 (64-bit) с сайта Nvidia.

Выберете целевую платформу:

Загрузите установочный файл:

Запустите программу установки. В данном случае установщик не позволяет выбирать, куда будет устанавливать свои файлы. CUDA устанавливается в C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5.

После установки переместите файлы в C:\toolkits\cuda-7.5.18 и обновите PATH следующим образом:

  1. Необходимо определить системную переменную среды с именем CUDA_HOME значением C:\toolkits\cuda-7.5.18
  2. Добавить %CUDA_HOME%\libnwp и %CUDA_HOME%\bin в PATH

MinGW-w64 (5.3.0)

Загрузите MinGW-w64 отсюда:

Установите его в C:\toolkits\mingw-w64-5.3.0 со следующими параметрами:

  1. Определите системную переменную MINGW_HOME в значение c:\toolkits\mingw-w64-5.3.0
  2. Добавьте %MINGW_HOME%\mingw64\bin в PATH

Выполните следующие действия, чтобы убедиться, что все необходимые инструменты находятся в системе:

$ where gcc; where cl; where nvcc; where cudafe; where cudafe++

Результаты должны быть примерно такие:

Anaconda (64-bit) с Python 2.7 (Anaconda2-4.1.0)

Загрузите Anaconda отсюда и установите в c:\toolkits\anaconda2-4.1.0:

Внимание: Мы используем Anaconda на базе Python 2.7, возможно для вас лучшим вариантом будет использование Python 3.5.

  1. Определите системную переменную PYTHON_HOME в значение c:\toolkits\anaconda2-4.1.0
  2. Добавьте %PYTHON_HOME%, %PYTHON_HOME%\Scripts и %PYTHON_HOME%\Library\bin в PATH

После установки Anaconda запустите командную строку MINGW64 и выполните:

$ cd $PYTHON_HOME
$ conda install libpython

Оглавление

18:11
6056

Нет комментариев. Ваш будет первым!

Авторизация

Пользователи

Keyleas
Kirby
Имя Фамилия
lunchcalllina1978
Sever
stopresniebots1983
tekino
templide
Seangle